Mirendil schließt 100-Millionen-Dollar-Deal mit Google Cloud ab

Das KI-Labor Mirendil hat am 6. August 2026 eine mehrjährige Partnerschaft mit Google Cloud bekannt gegeben, die mehr als 100 Millionen Dollar wert ist und Rechenkapazitäten für seine Forschung an selbstverbessernder KI sichert.

Die Summe entspricht etwa der Hälfte der 200 Millionen Dollar Seed-Finanzierung, die das Startup Ende Juni 2026 bei einer Bewertung von einer Milliarde Dollar eingesammelt hatte, sagte Mitgründer Benham Neyshabur.

Im Rahmen der Partnerschaft erhält Mirendil Zugang zu Googles TPUs, Nvidia-GPUs und verwalteten Trainingsclustern, um KI zu entwickeln, die sich iterativ selbst verbessert.

Selbstverbessernde KI, auch rekursive Selbstverbesserung genannt, bezeichnet Systeme, die ihre eigene Leistung kontinuierlich steigern.

Neyshabur zufolge können solche Systeme auf ein Problem ausgerichtet werden und sich ständig verbessern, um letztlich Forschung in Medizin, Biologie und Materialwissenschaften zu automatisieren.

Mitgründer Harsh Mehta betonte, dass das Training selbstverbessernder KI enorme Rechenleistung erfordert und Googles vielfältige Chip-Optionen es Mirendil ermöglichen, die richtigen Workloads den richtigen Beschleunigern zuzuweisen und so Kosten für sich selbst und seine Kunden zu senken.

Google-SVP Amin Vahdat sagte, der Fortschritt in der KI hänge nun davon ab, ganze Systeme der Intelligenz zu orchestrieren und physische Skalierungsgrenzen zu überwinden.

Die Partnerschaft positioniert Google so, dass es Mirendils Software Unternehmenskunden anbieten kann, während Mirendil von Googles Hardware-Ökosystem profitiert.

Die Mitgründer von Mirendil haben zuvor bei Anthropic gearbeitet, das rekursive Selbstverbesserung erforscht hat, während Startups wie Recursive Superintelligence und Ricursive Intelligence kürzlich mit ähnlichen Ambitionen an den Start gegangen sind.

Der Deal spiegelt einen breiteren Trend wider, bei dem Cloud-Anbieter große Infrastrukturressourcen für KI-Startups bereitstellen, die darum kämpfen, Rechenkapazitäten zu sichern, während sie skalieren.